高频地波舰载超视距雷达具有远距离预警、反隐身、抗反辐射导弹攻击等方面的显著特点。而且载舰本身的灵活性、机动性又提供了更广阔的警戒空间,因此它在军事上具有广阔的应用前景。然而雷达平台运动的影响,加重了舰载OTH雷达中检测目标的复杂性和难度。因此,如何实现在平台运动条件下的目标检测,就成了研制高频地波舰载OTH雷达必须解决的重要关键技术之一。本文针对这样一个关键性问题—展宽海浪谱中信号检测问题展开研究,即如何应用超分辨谱估计技术来实现目标的检测与分辨。本文从分析高频海杂波反射特性以及平台运动引起海浪展宽机理入手,建立便于理论研究的一阶展宽的海杂波和二阶海杂波模型;在分辨单元上对雷达回波信号进行了仿真。为检测海上目标的方位信息,在综合分析比较各类算法的基础上,本文采用特征结构类算法来实现空间方位分辨中的Constrained MUSIC算法,此方法充分利用了海浪的方位先验信息来构造投影算子约束噪声子空间的估计,大大提高了目标分辨率和估计精度。从MUSIC算法的应用背景环境可知,海杂波的存在必将影响MUSIC算法的精度和分辨力,甚至可能是MUSIC算法无法检测目标的真实方位信息,在某一方位出现虚假目标。鉴于上述情况,本文引入混沌力学原理,将海杂波看成一个混沌系统,通过相空间重构,重构海杂波的状态预测方程,来实现海杂波预测和对消。由于神经网络可对任意非线性函数进行模拟的特性,用海杂波模型数据对神经网络进行训练,重建海杂波的状态预测方程。本文用三种神经网络模型进行状态预测方程的重构(线性神经网络、BP神经网络、径向基神经网络),通过对比预测误差,选取性能最优的神经网络完成后期工作。考虑实际情况,海上目标可能存在相关性,这会降低信号协方差矩阵的秩,导致MUSIC算法无法正常工作,本文综合考虑运算量和分辨精度二个方面,对比空间平滑技术和对称矩阵技术,解决目标的相关问题。